Python DNA序列中的聚类发现

我正在试图理解一个简短的代码，用于解决DNA序列中的团块查找问题。问题是

给定整数L和t，如果存在长度为L的基因组间隔，其中模式至少出现t次，则字符串模式在（较大的）字符串基因组内形成（L，t）-簇

例如，TGCA在以下基因组中形成（25,3）-簇：

gatcagcataagggtctctctgaatgcatgagcctgcagtttttac

找块问题

在字符串中查找形成束的模式

给定：一个字符串基因组和整数k、L和t

返回：基因组中所有不同的k-聚体形成（L，t）-簇

代码如下：

from collections import defaultdict

def search(inseq, k, L, t):
    lookup = defaultdict(list)
    result = set()
    
    for cursor in range(len(inseq) - k + 1):
        seg = inseq[cursor:cursor + k]
        
        # remove prior positions of the same segment
        # if they are more than L distance far
        while lookup[seg] and cursor + k - lookup[seg][0] > L:
            lookup[seg].pop(0)
        
        lookup[seg].append(cursor)
        if len(lookup[seg]) == t:
            result.add(seg)
    
    return result

这是我的问题

（1） 使用defaultdict代替dict的目的是什么

---

（2） 什么是查找[seg]？它是k-mer clump的起始位置吗？

defaultdict

是一个Python对象，如果您请求一个不在字典中的键，它只返回一个“default”对象。在这种情况下，默认项是列表

---

看起来好像

lookup[seg]

返回段

seg

的位置列表，如果它们在被解析段部分的

L

距离内。因此，

lookup[seg]

的返回对象是DNA序列的索引列表。

defaultdict

是一个Python对象，如果您请求的密钥不在字典中，它只返回一个“默认”对象。在这种情况下，默认项是列表

看起来好像

lookup[seg]

返回段

seg

的位置列表，如果它们在被解析段部分的

L

距离内。因此

lookup[seg]

的返回对象是DNA序列的索引列表。

1）使用

defaultdict

的目的是什么

defaultdict（list）

允许您使用

lookup[seg]

访问密钥，并“神奇地”在其中找到一个就绪列表。如果钥匙（

seg

）已经在那里，您将得到它。否则，您将得到一个空列表。对于普通字典，第二个是错误的

（2） 什么是查找[seg]

它是序列中位置的列表，只要它们足够接近。

1）使用

defaultdict

的目的是什么

defaultdict（list）

允许您使用

lookup[seg]

访问密钥，并“神奇地”在其中找到一个就绪列表。如果钥匙（

seg

）已经在那里，您将得到它。否则，您将得到一个空列表。对于普通字典，第二个是错误的

（2） 什么是查找[seg]

---

它是序列中位置的列表，只要它们足够接近。

你是说查找[seg]类似于列表[（‘蓝色’、[2,4]）、（‘红色’、[1]）、（‘黄色’、[1,3]）？字符串不是颜色，而是k-mer序列和列表，记录了它们在整个基因组的L段中出现的次数。你是说查找[seg]类似于列表[（'blue'，[2,4]），（'red'，[1]），（'yellow'，[1,3]）？字符串不是颜色，而是k-mer序列和列表记录了它们在整个基因组的L片段中出现的次数。